36 岁的我，不仅是被职场淘汰了，现在也被 AI 淘汰了。
是的，站在 2026 年这个时间节点，我不得不承认： 我从大学开始苦练了十几年的编码技能和非常多的经验，正在像一张张过期的“废钞”一样，迅速失去价值。
所以，我觉得我们需要坐下来，回头看看过去，特别是2025年这场正在发生的“AI 编程”大变革。
这绝非过往那种 Go 挑战 Java、Rust 挑战 C++ 的渐进式演进，而是一场彻底的推翻式大变革。
是每一个还在这个行业里挣扎的人，所必须面对的未来。
Part2 - 2025年初 粘贴/复制的黄昏
让我们回到 2025 年初吧。
那时候，距离 ChatGPT 震撼世界其实也就两年左右。 这段时间里 AI 在编程界的进展并没有那么快，在程序员圈子中，AI 只是从新闻里的“新鲜玩意儿”变成了“编程辅助必备”。
当时的市场上，Claude 3.5 Sonnet 刚刚封神，GPT-4o 还在和它反复拉锯，而 Google 的 Gemini 1.5 Pro 以超长的上下文窗口被大家称赞。
那时的我们，是怎么写代码的？
大多数人的屏幕上都挂着一个网页窗口，进行着一种我感觉有点像是代码搬运工的操作：
- 遇到一个我记不住的API接口，或者一个输入输出都很明确的函数需求
- 把需求像喂饭一样喂给 AI，看着它一行行吐出代码。
- 最关键的一步来了：全文选中（Ctrl+A） 手动复制（Ctrl+C），回到 代码编辑器(IDE) 粘贴（Ctrl+V）
注意，复制粘贴的过程很关键，这是我们作为程序员的尊严。尊严你懂吧？
那时候的 AI，其实更像是一个能写出好代码的初级实习生。 它能写出漂亮的单点函数，带上详尽的注释说明，甚至能处理一些正则的撰写(一种对人类非常不友好的复杂的规则表达式)。
不过，也就这样了。
它就像一个只有“短暂记忆”的鱼，它并不能认识你项目里那几千个错综复杂的文件，更没有能力去你的电脑里执行一些简单命令。
那还是一个"手工"的时代，一个“辅助”的时代
其实那时候，行业里大家还是有一些傲慢的。
就这能力，只能算一个加速开发的小工具，有时候这个工具还会吐出一些不存在的API， 真正的代码审核，架构设计、跨模块解耦、复杂的 Bug 排查，还是得靠我们这些‘高级码农’。
当时的 GitHub Copilot 就像一个增强版的 Tab 语法补全，Cursor 还未大显身手。
我一直以为这种“人机协作”的平衡会维持很久。
Part3 - 2025年：技术海啸的奇点时刻
如果说 2025 年以前 AI 编程的进化还遵循着某种“线性”的发展，那么整个 2025 年，AI编程是以“指数级的姿态”在狂飙突击。
Part3.1 - 第一场海啸 成本屠夫 DeepSeek
2025 年初，当整个行业还在小心翼翼地计算着 Token 成本，硅谷巨头们还在喋喋不休地抱怨算力多么昂贵时，DeepSeek 带着它的 V3 和 R1 模型横空出世。
它像一柄重锤，直接把大模型的价格打到了地板上。 它的成本比硅谷同类的大模型整整降低了 80% 到 90%！
deepseek在2025年的成本冲击我清晰地记得，当时在DeepSeek的官网为 API-Key 充进去 10 块钱，竟然产生了一种“能用到地老天荒”的错觉。
因为 Token 太便宜了，我开始让AI写10个版本的方案，然后让他们互相辩论哪种是最佳方案，最后选出一个。这种火力覆盖的‘暴力美学’在2025年前是不可想象的。
但这件事的第一个深层价值不在于“省钱”，而在于它彻底终结了“Token 焦虑”，为后续的“多 Agent 协作”铺平了基础
因为成本足够低，AI 终于摆脱了“一问一答”的简易对话模式，而是进入了“规模化折腾”的新纪元。
它可以肆无忌惮地加载你项目中数十万行的完整上下文，也可以在后台跑 100 次不同的重构方案，自我验证，互相比较，直到找出那个最优解扔到你脸上。
当然成本只有几毛钱，比你去菜市场买棵大白菜还便宜。
Part3.2 - 第二场海啸 Thinking模式普及
如果说成本降低是“量变”，那么 Thinking 模式（推理模型） 的普及则是 AI 编程从“辅助工具”迈向“生产力工具”的“质变”。
这场变革的起点可以追溯到 2024 年 9 月 OpenAI 发布的 o1 系列。
在那之前，大模型本质上是在进行“快思考”：基于概率预测，蹦出下一个最可能的单词。
这种模式下，模型更像是在靠"猜"，虽然反应很快，但在并不擅长处理复杂问题，经常会产生“幻觉”现象。
也就是大家常提到的AI 在一本正经地胡说八道，有时候还能编造一些现实中不存在的东西。
进入 2025 年时，推理模型开始被各家大模型普及。Claude 3.7 Sonnet、Google Gemini 以及国产 DeepSeek R1 纷纷跟进，将 Thinking 模式列为标配。
也是在这一年，大部分人使用大模型习惯了输入指令后需要看着"Thinking"等待一段时间。
在这段沉默的时间里，AI 实际上在进行自我纠错，它会不断质疑自己提出的方案，自问自答，在输出结果前就过滤掉低级的逻辑错误， 提高了回答的严谨性。
当幻觉问题被攻克之后，AI 在开发流程中的定位发生了变化。 它不再是一个只能写写细节代码的“半个玩具”，而是一个能够参与复杂问题处理并提出可靠方案的高级工具。
Part3.3 - 第三场海啸 Claude Code
如果说 DeepSeek 的成本优势 和 Think模式的普及使得AI编程真正落地成为了生产力工具，那么 2025 年2 月下旬 Anthropic 发布的 Claude Code 工具，则直接解决了AI下场“动手”的能力问题。简单科普一下：Claude Code 是一个可以安装在用户电脑上的应用程序，安装之后 AI 可以直接在用户电脑上阅读文件，修改文件、运行测试、执行命令。
这是一个标志性的进展。
在此之前，AI 始终是一个被锁死在浏览器对话框里的"咨询顾问"，它写出的代码，必须由我这位"资深开发工程师"亲自审查一遍，然后“复制、粘贴”到项目里才算数。我依然是代码的造物主，AI只是个生成部分代码，提高生产效率的工具。
但是从此之后，AI就变成了一个可以亲自下场干活的"员工"。
AI直接下场干活
在 Claude Code 的支持下，我只需要输入一句，"帮我把 PrintDetail 这个函数的注释写一下"。然后 AI 会自己动起来:
- 它先是用
grep 命令搜索项目里的文件，定位函数位置 - 然后读取文件内容，分析目标函数的定义和上下文，产生最佳修改方案
整个过程，我只是坐在位子上喝咖啡。屏幕上的光标飞速闪烁，仿佛有一个隐形的“助手”就坐在我旁边，用比我快百倍的速度敲击键盘。我甚至没有打开 IDE，回头一看，需求就搞定了。
此时此刻，AI 这已经不是“编程助手”了，而是“全自动代码机器人”。
在我第一次看到终端里会自动跳出 grep、vi、git commit 的时候， 我感到一种后背发凉的恐惧。它不是在帮我，它是在真的在取代我的手。我意识到，人机的边界已经彻底模糊了。
当一个 Git Commit（代码的提交记录）出现在代码仓库里，人类已经无法通过代码的质量、风格、甚至是其中的Bug，来判断这究竟是资深程序员写的，还是 AI 在三秒钟内生成的。
当然，质量差的代码，我相信是人类写的。
所以，当一个东西（高质量的代码）可以被低成本大规模无限量产，无法分辨也没必要分辨来源时，它的稀缺价值也就归零了。
Part 4 - 2026年 “无人驾驶”编程
在进入正题前，我得给非技术背景的朋友解释一下IDE的概念。你可以把它想象成一个“数字化车间”。一个木匠干活不能徒手劈柴，他需要工作台，上面整齐地摆放着锯子、刨子、量尺等很多工具。现代程序员干活，也不可能白板写代码(某些公司的奇怪面试除外)。IDE就是一个让程序员高效写代码的地方，它集成了代码提示工具，调试器（Debug 寻找代码里的虫子）以及各种各样的自动化工具
AI 对 IDE 支持分为几个阶段，有点类似于汽车的自动驾驶。
- 辅助驾驶时代（2021-2023）： 代表作是
GitHub Copilot。它更多是一个高级版的“自动补全”，你只需要写部分代码，他会猜出来你的意图，然后提示你可以一键补全剩下的代码。它只是个称职的副驾驶，能帮你省点力气。
- 半自动驾驶时代（2024）： 代表作是
Cursor 。这一次 IDE 发生了两个重大的质变：
- 全局视野（Context）：它不只看着你目前正在写的那个文件，它会读遍你整个项目，他比你更清楚你需要的那个函数在项目的什么位置，所以提供了更好的提示支持。
- 原地重构（Cmd + K）: 你选中一段屎山代码，你敲个
Cmd/Ctrl + K，要求重写，要更优雅，它会按照它所知道的项目背景和其他代码文件内容生成适合的代码。
- 全自动驾驶时代（2025）这就是我今天要说的“终局形态”， 编程界的“L4 级自动驾驶”
汽车行业折腾了十年，还没实现真正意义上的 L4 级别自动驾驶（即：在限定区域内，驾驶员可以完全不干预）。 在 2026 年初，我们悲哀地发现：自动驾驶在马路上还没完全实现呢，但在程序员世界里 L4 级先降临了~
马路上的自动驾驶：需要处理复杂的物理世界、极端的天气，路边横穿出来的野猫，奇奇怪怪的马路杀手。代码里的自动驾驶：编程语言是逻辑自洽的，框架是标准化的。项目内的文件都是可以读取并且掌握的。对于 AI 来说这环境简直太舒服了，这里不会没有随机的风雨，只有固定的逻辑需求。AI 像上帝一样已经全部掌握了这个纯逻辑世界。
于是2026年，最新的编程流程已经变成了：
用户提出意图（帮我写个订单取消功能） -> AI 提出实现方案 -> AI 拆解实施步骤 -> AI 执行步骤1 -> AI 产出步骤1的解决方案 -> AI 编写代码 -> AI 运行环境 -> 步骤1交付AI 执行步骤2 .... 步骤2交付AI 执行步骤N .... 步骤N交付AI 自动打开浏览器，像真人一样视觉验收功能 -> 用户意图完成
这是一种令人恐惧的自主性。AI可以实现自己长时间无需外来介入直至完成目标的闭环能力。我知道，目前的AI IDE还会卡住，它高阶抽象代码的能力也不好，甚至有些解决方案方向就是错的，但是全自动 AI 编程在结构上已经完备了，后续只需要等待大模型逐渐提升解决问题的能力就行了。
在这个过程中，程序员变成了什么呢？
- “监考老师”。AI是那个天赋异禀的考生，而你唯一的价值，是防止它在考卷上偶尔会画个不存在的圈。
- 每个月准时给
Google/ChatGPT/Anthropic充值订阅费。
老板那边，账本算得更清：36 岁的程序员: 没办法加班吧？要的还多。26 岁的程序员: 经验怕不够吧，便宜点就算了，昨天竟然告诉我要求加薪？？？AI：7x24 小时待命，不闹情绪，不买五险一金，一年订阅费只要几千块钱。 真香！！
Part5 死与新生（Death&Rebirth）
程序员曾经引以为傲的那些技术——会C++/JAVA...N种语言的开发，能写出来质量很高的Clean Code，常见的技术问题倒背如流 ——在 2025 年的这场海啸中，已经全部失去了意义。
以前的编程是“过程导向”的。 我们会关注这个功能是“如何实现的”，提交上去的代码质量高不高。现在的编程是“结果导向”的。 我们只关注“要什么”，什么功能是高价值的，具体的实现大部分托管给 AI。未来的编程，而且随着 AI 的快速进化，我相信一个完全不懂编程的普通人，告诉AI想要一个什么功能的APP，AI 直接现场给你搓出来的时刻离我们不会太遥远。
所以，现实是非常残酷的：传统的手工编码，已经在事实上死亡了。
无论你是出身大专还是 985，无论你是拥有 3 年还是 15 年的经验，只要你还在以“手工”的方式输出代码，你就在被淘汰的名单上。
Part5.1 传统编程的最后三块“自留地”
根据我的经验和见识，我认为未来人类程序员只剩下最后三个地方具有防御性的价值
- 第一，架构设计与高级抽象能力。 AI 可以写出完美的零件代码，但它还无法在没有任何指导的情况下，全局思考如何让复杂的系统既健壮又灵活，这种“上帝视角”的全局观，依然需要人类的指导。
- 第二，少数偏门与前沿方向。 AI最强的编程领域是什么？ 传统的前后端开发。这些领域在Github上有数不尽的训练材料喂给AI。而那些 AI 还没吃过足够多训练语料的领域——比如某些冷门的工业协议、前沿的量子计算、或者是私募基金内部密不透风的自研量化模型。AI没有训练材料，自然不会产生威胁。
- 第三，对业务的深度洞察与“翻译”能力当用户提出大而空泛的整体性需求，例如"提高用户付费转化率"，AI并不能很好地解决这种问题。 AI 只擅长处理输入输出很明确的逻辑问题，只有人类能处理复杂业务场景下产出一系列的解决方案。另外，AI也不擅长发现用户的需求点。所以在未来，没有程序员，只有“带着技术大脑”的产品经理
Part5.2 回归创意的本质
麦克阿瑟曾说: 老兵不死，只是凋零
中文: 危机。他同时带有危和机两个字。 实际上每一次遇到危险的时候，往往也是一种难得的机会。
2025 年的这场技术海啸，对很多人来说是危机（Danger），但我觉得，它也是酝酿着很多的机会（Opportunity）。
我今年 36 岁。在过去的就职岁月中，我经历过被公司"优化"的绝望，也经历过被 AI 碾压的无力。 但我惊喜地发现，在我放下了对“程序员”身份的执念时，我反而找回兴奋的感觉。我确实有很多想做的东西。
“然后，旧的程序员死去了，新的创造者诞生了。”
我不再是一个进度慢慢吞吞，这也不会，那也不会需要花大量时间去自学的独立开发者， 我现在管着一支由 50 个 Agent（AI 智能体） 组成的“虚拟开发小组”。
每一个AI时代的人，都可以成为一个超级个体，一个人可以完成过去一个开发小组的产出能力。AI出产品文档，AI出设计稿，AI实现前后端编码，AI实现自动部署运维...
我不再关心那一行代码写得漂不漂亮，我只关心需求是不是合理的，是否解决了现实世界的痛点，产出的功能点是不是能吸引用户。
Part5.3 最后
“那些灵魂被重力束缚的人，终将被时代留在身后。”
请别哀悼石器时代你用来砍树的斧头了，此时此刻，一台名为“AI Agent”的新时代高达正停在你的面前。 驾驶舱已经开启，我们该出发了。
让我们一起去驾驶那台新时代的高达吧。
“自由高达，出击！”
以上。
10个月宝宝每天需要喝多少奶粉？
